A Robust Protocol for Using Multiplexed Droplet Digital PCR to Quantify Somatic Copy Number Alterations in Clinical Tissue Specimens
Notice bibliographique
Résumé
The ability of droplet digital PCR (ddPCR) to accurately determine the concentrations of amplifiable targets makes it a promising platform for measuring copy number alterations (CNAs) in genomic biomarkers. However, its application to clinical samples, particularly formalin-fixed paraffin-embedded specimens, will require strategies to reliably determine CNAs in DNA of limited quantity and quality. When applied to cancerous tissue, those methods must also account for global genetic instability and the associated probability that the abundance(s) of one or more chosen reference loci do not represent the average ploidy of cells comprising the specimen. Here we present an experimental design strategy and associated data analysis tool that enables accurate determination of CNAs in a panel of biomarkers using multiplexed ddPCR. The method includes strategies to optimize primer and probes design to cleanly segregate droplets in the data output from reaction wells amplifying multiple independent templates, and to correct for bias from artifacts such as DNA fragmentation. We demonstrate how a panel of reference loci can be used to determine a stable CNA-neutral benchmark. These innovations, when taken together, provide a comprehensive strategy that can be used to reliably detect biomarker CNAs in DNA extracted from either frozen or FFPE tissue biopsies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».